(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110615161.1 (22)申请日 2021.06.02 (65)同一申请的已公布的文献号 申请公布号 CN 113378459 A (43)申请公布日 2021.09.10 (73)专利权人 兰州交通大 学 地址 730050 甘肃省兰州市安宁区安宁西 路118号 专利权人 国网甘肃省电力公司电力科 学研 究院 (72)发明人 董海鹰　王定美　王妍　张蕊萍　 马志程　 (74)专利代理 机构 兰州锦知源专利代理事务所 (普通合伙) 62204 专利代理师 钟国 (51)Int.Cl. G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/12(2006.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) (56)对比文件 CN 1042686 59 A,2015.01.07CN 111160602 A,2020.0 5.15 CN 103927595 A,2014.07.16 CN 111815038 A,2020.10.23 CN 110059878 A,2019.07.26 CN 112016736 A,2020.12.01 WO 202019 9909 A1,2020.10.08 马金玉等.太阳能预报方法及其应用和问 题. 《资源科 学》 .2011,第33卷(第05期),第82 9- 836页. 李多 等.基 于 EMD 与 ELM 的光伏电站短 期功率预测. 《可 再生能源》 .2016,第34卷(第2 期), Li, Hongwei 等.Adaptive Multi- Model Switching Predictive Active Po wer Control Scheme for W ind Generator System. 《ENERGIES》 .2020,第13卷(第6期), Hunsoo Song 等.Short-Term Forecasti ng of Photovo ltaic Po wer Integrati ng Multi- Temporal Meteoro logical Satel lite Imagery in Deep Neural Netw ork. 《IEEE PES Asia- Pacific Po wer and Energy Engi neering Conference (AP PEEC)》 .2019, (续) 审查员 张玮 (54)发明名称 基于卫星和物联网信息的光伏电站超短期 功率预测方法 (57)摘要 本发明公开了一种基于卫星和物联网信息 的光伏电站超短期功率预测方法， 包括:对光伏 电站泛在电力物联网全息感知 的实测数据和卫 星数据进行融合， 以生成卫星 ‑地面二源信息融 合数据； 采用时间序列的演化建模方法对卫星 ‑ 地面二源信息融合数据进行演化预测， 以获取预 测气象数据； 根据预测气象数据结合光伏电站组 件的物理特性获取光伏电站的超短期预测功率。 本发明能够在光伏电站的超短期功率预测中， 有效地提高光伏电站的超短期功率预测的准确性。 [转续页] 权利要求书3页 说明书13页 附图1页 CN 113378459 B 2022.09.02 CN 113378459 B (56)对比文件 Dong, Hongzhi 等.Co ordinated Scheduling Strategy for Dist ributed Generati on Considering Uncertai nties in Smart Grids. 《IE EE ACCESS》 .2020,第8卷2/2 页 2[接上页] CN 113378459 B1.一种基于卫星和物联网信息的光伏电站超短期功率预测方法， 其特 征在于， 包括: 获取对光伏电站泛在电力物联网全息感知的实测数据和风云四号卫星数据， 并对所述 实测数据和所述卫星 数据进行预处理； 以所述实测数据为基准对所述卫星 数据进行数据订 正， 以使得订正后的所述卫星数据的概率分布与所述实测数据的概率分布一致； 采用贝叶 斯模型平均方法融合所述 实测数据和订正后的所述卫星数据； 采用空间降尺度方法将订正 后的所述卫星 数据的第一分辨率降尺度为第二分辨率； 以所述第二分辨率的所述卫星 数据 为背景， 采用最优差值融合所述实测数据， 以生成卫星 ‑地面二源信息融合数据； 根据所述 卫星‑地面二源信息融合数据确定演化建模的预测方程， 包括： 步骤一、 输入所述卫星 ‑地面二源信息融合数据， 并对所述卫星 ‑地面二源信息融合数 据进行预处理； 步骤二、 设置模型参数， 所述模型参数包括初等函数集、 建模样本数、 微分方程的阶数、 初始种群规模、 种群演化的代数、 二叉树的最大树深、 种群之 间的遗传和变异的概率和演化 建模的停机条件； 步骤三、 随机初始化 微分方程的种群， 以得到初始化种群； 步骤四、 对所述初始化种群进行演化操作； 步骤五、 计算所述初始化种群的适应值； 步骤六、 根据所述 适应值对所述初始化种群进行挑选， 并保存至种子库； 步骤七、 从所述种子库导入种子进行演化操作； 步骤八、 重复步骤五到步骤 七， 直至达到预先设置的演化建模的所述停机条件； 步骤九、 根据所述 适应值确定动力学 方程作为演化建模的预测方程； 将所述演化建模的预测方程结合气象要素观测时间序列， 获取 预测气象数据； 根据所述预测气象数据结合光伏电站组件的物理特性获取光伏电站的超短期预测功 率。 2.根据权利要求1所述的基于卫星和物联网信息的光伏电站超短期功率预测方法， 其 特征在于， 所述采用贝叶斯模型平均方法融合所述实测数据和订正后的所述卫星 数据的步 骤， 包括： 获取所述实测数据中与订 正后的所述 卫星数据匹配的样本数据； 采用所述贝叶斯模型经过训练确定订正后的所述卫星数据与所述样本数据的权重和 误差； 根据所述权重和所述误差计算所述第一分辨率的每个网格的格点上分析值和误差方 差， 以实现所述实测数据与订 正后的所述 卫星数据的融合。 3.根据权利要求1所述的基于卫星和物联网信息的光伏电站超短期功率预测方法， 其 特征在于， 所述以所述第二分辨率的所述卫星数据为背景， 采用最优差值融合所述实测数 据， 以生成所述 卫星‑地面二源信息融合数据的步骤， 包括： 将所述第二分辨 率的所述 卫星数据设为初估值， 将所述实测数据设为观测值； 将所述第二分辨率的网格的每一格点的初估值加上该格点的观测值与初估值的偏差， 以得到格点的分析值； 根据该格点的所述分析值与该格点真值计算得到该格点的所述分析值的误差方差； 根据所述分析值和所述误差方差将所述第二分辨率的所述卫星数据与所述实测数据权　利　要　求　书 1/3 页 2 CN 113378459 B 3